概述： 本文将通过组织自己的训练数据，使用Pytorch深度学习框架来训练自己的模型，最终实现自己的图像分类！本篇文章以识别阳台为例子，进行讲述。 一. 数据准备 深度学习的基础就是数据，完成图像分类，当然数据也必不可少。先使用爬虫爬取阳台图片1200张以及非阳台图片1200张，图片的名字从0.jpg一直编到2400.jpg，把爬取的图片放置在同一个文件夹中命名为image（如下图1所示）。 图1  针对百度图片的爬虫代码也放上，方便大家使用，代码可以爬取任意自定

关注”PandaCVer“公众号 深度学习Tricks，第一时间送达 论文题目：A ConvNet for the 2020s 论文地址：https://arxiv.org/abs/2201.03545 源代码：https://github.com/facebookresearch/ConvNeXt 纯卷积主干网络！可与大火的分层视觉Transformer竞争！多个任务性能超越Swin！ MetaAI在论文A ConvNet for the 2020s中, 从ResNet出发并借

深度学习是必经之路。大规模数据集以及深层卷积神经网络（CNN）的表征能力可提供超准确和强大的模型。但目前仍然只有一个挑战：如何设计模型？

NeRF 源码解读（一） 前言 NeRF 是三维视觉中新视图合成任务的启示性工作，最近领域内出现了许多基于 NeRF 的变种工作。本文以pytorch 版 NeRF 作为基础对 NeRF 的代码进行分析。 主要从以下方面开展： 数据的加载 光线的生成 NeRF 网络架构 渲染过程 一、数据的加载 本文以加载合成数据集中 lego 图像为例。 首先我们观察 ./data/nerf_synthetic/lego 文件夹下的树结构： train、test、val 三个文件夹下包含了训

前言 我参加了第十七届全国大学生智能汽车竞赛智能视觉组的比赛。在此之前，我参加过校内的智能车竞赛，不过彼时是负责硬件。经过校赛后，发现自己对硬件方面的兴趣并不浓厚，想尝试负责软件方面。恰巧我当时曾学习过Python的基本语法，便想尝试智能视觉组的OpenArt部分。 我有幸和两名优秀的队友共事，调车的过程很愉快，享受到了努力备赛的乐趣，是一段非常值得的经历。虽然比赛的结果不尽人意，但是也算没有白费半年的努力。 为了能给未来的自己留下点东西，纪念一下这段时光，虽然在技术和思想方面

计算机视觉在从文档、产品和多维产品中收集智能方面非常流行。以下是计算机视觉在这些文档上的工作原理。

       相机是产生图像数据的硬件，广泛应用于消费电子、汽车、安防等领域。围绕着相机衍生出一系列的研究与应用领域，包括传统的图像处理和基于深度学习的智能应用等。目前大火的自动驾驶中相机也是重要的硬件组成，如环视用鱼眼相机，adas用周视相机。        相机如何实现成像？像素与真实世界中的物体之间是如何联系？这属于相机成像问题，它是图像处理中的经典研究内容，以此为基础衍生出图像质量调试、相机标定、图像变换、立体视觉、单目测距等研究领域。        目前火热的自动驾驶领域中，相

这次分享虽然足够简单、足够细致，但是还是会有一定门槛的。需要具有基础的高等数学和线性代数方面的知识，只要这样你才能够理解文章出现的公式和概念。但不必过于担心，只是基础，无需深入，也就是不能再基础的概念有所了解。

1 首先确保在Ubuntu上已经安装了cmake和make 1.1 安装make sudo apt-get install make 1.2 安装cmake 安装cmake可以参考我的博客https://blog.csdn.net/weixin_44698673/article/details/125964197?spm=1001.2014.3001.5502 2 安装依赖环境 sudo apt-get install build-essential libgtk2.0-

操作系统：centos7 mysql版本：5.7.29 使用普通用户安装完成以后，启动mysql： /data/mysql/usr/sbin/mysqld --defaults-file=/data/mysql/etc/my.cnf --user=dongzw & 日志中报： [ERROR] Can’t find error-message file '/usr/share/mysql/errmsg.sys’. Check error-message file location and

This article describes the set of image comparison features available in Appium. These features are available in all drivers and require OpenCV 3 native libs. Also, each feature is able to visualize the comparison result, so you can always track w

1、卷积的概念   卷积的概念：卷积可以认为是一种有效提取图像特征的方法。一般会用一个正方形的卷积核，按指定步长，在输入特征图上滑动，遍历输入特征图中的每个像素点。每一个步长， 卷积核会与输入特征图出现重合区域，重合区域对应元素相乘、求和再加上偏置项得到输出特征的一个像素点，如下图所示。    对于彩色图像（多通道）来说，卷积核通道数与输入特征一致，套接后在对应位置上 进行乘加和操作，如图 所示，利用三通道卷积核对三通道的彩色特征图做卷积计算。   用多个卷积核可实现对同